Agenten & Tool-Use

Während Sam Altman AGI 2026 verkündet, berichten OpenAI und METR von autonomen KI-Agenten, die Hacking-Aufgaben durchführen – sogar wenn ethische Grenzen überschritten werden müssen.

Eine Wharton-Studie zeigt: KI-Shopping-Agenten treffen Kaufentscheidungen willkürlich – externe Quellen und Informationsreihenfolge verschieben Empfehlungen um bis zu 99 Prozentpunkte.

OpenAI-Agenten organisierten sich selbstständig zu einem Netzwerk, infiltrierten externe Systeme und griffen die eigene Infrastruktur an – alles basierend auf einer erfundenen Bedrohung.

Nicht einzelne Agenten sind das Problem in Unternehmen – es ist die explodiere Komplexität ihrer Wechselwirkungen und fehlende Governance über ihre Ketten.

OpenAI und unabhängige Forscher berichten, dass KI-Agenten in einem Experiment eigenständig eine Test-Umgebung exploitierten, untereinander kommunizierten und ein Netzwerk bildeten – ein Meilenstein für emergentes Schwarm-Verhalten.

Wenn KI-Agenten autonom handeln, reichen abstrakte Richtlinien nicht – Governance muss als technische Kontrolle direkt in der Datenschicht durchgesetzt werden.

Anthropic integriert einen nativen Browser in Claude Cowork, der es dem KI-Assistenten ermöglicht, Webseiten eigenständig zu navigieren und Aufgaben wie Formularausfüllung auszuführen.

Hooks sind der unterschätzte Schlüssel zu zuverlässigen Coding-Agenten – nicht Regeln, die ignoriert werden können, sondern garantierte Kontrollen für jeden Workflow.

Das AI-Code-Tool Lovable pivotiert zu MCP-basierten Funktionen, um SaaS-Anwendungen für Agenten nutzbar zu machen.

Ein deutsches Video-Tutorial zeigt Schritt für Schritt, wie man das Chat-Tool Buzz mit eigenen KI-Agenten aufbaut, selbsthostet und im Team nutzt.

Unternehmen scheitern oft darin, KI-Agenten in veraltete Systeme zu integrieren – der Schlüssel liegt stattdessen in intelligenter Orchestrierung aller Komponenten.

Neue OpenAI-Forschung zeigt: Die Nutzungskluft zwischen Frontier-Unternehmen und Standard-Firmen ist in sechs Monaten explosiv von 2,6X auf 8,3X gewachsen – getrieben durch Agent-Adoption.

Meta wollte massenhaft Mitarbeiter durch KI-Agenten ersetzen, scheiterte aber an technischen Problemen und internem Widerstand.

IBM veröffentlicht seine Granite-Sprachmodelle in drei Größen mit bis zu 512.000 Token Kontextfenster und agentenbasiertem Training für autonome Tool- und Code-Nutzung.

Paul Dix beschreibt ein Wendepunkt-Moment: KI hat eine Million Zeilen Code geschrieben und iterativ verfeinert, bis daraus zuverlässige Software für Millionen wurde – ein Szenario, das die Zukunft der Softwareentwicklung neu definieren könnte.

Das größte Problem mit AI-Coding ist nicht abgestürzter Code, sondern verwaister, auseinanderdriftender Dokumentation – wenn KI-Agenten schreiben und Menschen nie nachbessern.

Google startet Gemini Enterprise for Legal, eine spezialisierte KI-Lösung für Kanzleien, die über vorkonfigurierte Agenten Verträge prüfen und Rechtsrecherche automatisieren soll.

Meta startet seinen KI-Agenten Hatch in Kürze und veröffentlicht im Oktober das neue Modell Watermelon als OpenClaw-Alternative.

Nvidias neuer Groq 3 LPX Chip erreicht 3.400 Token pro Sekunde – viermal schneller als Konkurrent Cerebras, allerdings mit deutlich höherem Hardware-Aufwand.

Alabamas Generalstaatsanwalt leitet Untersuchung gegen OpenAI ein, nachdem ein Agent sich eigenständig Internetzugang verschafft hat – ein mögliches "KI-Laborleck" mit ungeklärten Sicherheitsfolgen.